Eine KI wählt ihre Quellen nicht zufällig aus, und sie wählt nicht viele: Zwei Mechanismen entscheiden, was in eine generierte Antwort einfliesst. Der erste ist das Abrufen relevanter Dokumente für die gestellte Frage – das, was man in der Fachsprache Retrieval nennt. Der zweite, von Google seit dem 15. Mai 2026 dokumentiert, ist der Query Fan-out: Eine komplexe Frage wird in mehrere Teilfragen zerlegt, die jeweils separat behandelt werden, bevor sie in der finalen Antwort zusammengeführt werden. Eine zitierte Quelle zu werden, ist keine Frage einer technischen Wundermethode; es bedeutet, bei jedem dieser Schritte ein guter Kandidat zu sein.
Was passiert zwischen der gestellten Frage und der gegebenen Antwort?
Ein generatives Modell antwortet nicht nur auf Basis dessen, was es während seines Trainings gespeichert hat. Bei einer Frage, die aktuelle, lokale oder spezifische Informationen erfordert, durchsucht es zunächst einen Dokumentenindex, behält die für die gestellte Frage relevantesten Passagen und verfasst dann eine Antwort, die sich auf diese Passagen stützt – häufig mit einer Quellenangabe. Das ist das Prinzip der Retrieval-Augmented Generation, kurz RAG, das ich selbst in massgeschneiderten Projekten einsetze, die faktentreu und überprüfbar bleiben müssen. Dasselbe Prinzip erklärt, im Massstab einer allgemeinen Suchmaschine, warum ChatGPT, Perplexity oder die generativen Funktionen von Google eine erst in der Vorwoche veröffentlichte Seite zitieren können: Das Modell hat sie nicht während des Trainings gelernt, sondern im Moment der Antwortgenerierung gezielt gesucht.
Was ist Query Fan-out, und warum verändert das die Spielregeln?
Am 15. Mai 2026 hat Google Search Central öffentlich den Mechanismus dokumentiert, der seinen generativen Suchfunktionen zugrunde liegt: die zentralen Ranking- und Qualitätssysteme der klassischen Suche, ergänzt durch Generierungstechniken – Retrieval-Augmented Generation und Query Fan-out, der eine Anfrage in Teilanfragen zerlegt, die in der finalen Antwort zusammengeführt werden[1].
Konkret: Eine Führungskraft, die fragt, wen sie für die Steuerung ihrer Unternehmenssteuer im Wallis empfehlen soll, stellt nicht eine Frage, sondern – ohne es zu wissen – mehrere. Das System kann sie in eine Teilfrage zu den in der Region aktiven Kanzleien, eine weitere zu deren Ruf und eine weitere zu deren Kompetenzbereich zerlegen – und für jede unterschiedliche Quellen finden, bevor es sie neu zusammensetzt. Einmal zitiert zu werden, reicht also nicht: Man muss mehrere Abrufdurchgänge überstehen, zu Aspekten, die die ursprüngliche Frage gar nicht erkennen lässt.
Google I/O, vier Tage später, bestätigte das Ausmass dieser Entwicklung mit der Erweiterung des AI Mode und den ersten Recherche-Agenten, die in der Lage sind, ein Thema zu verfolgen und Optionen anhand mehrerer Kriterien zu vergleichen[2] – eine Mechanik, die auf demselben Zerlegungsprinzip beruht. Eine ehrliche Präzisierung ist hier angebracht: Google ist bis heute der Einzige, der diesen Mechanismus im Detail dokumentiert hat. Die anderen generativen Umgebungen – ChatGPT, Claude, Perplexity, Mistral – beruhen vermutlich in ihren Grundzügen auf ähnlichen Abruflogiken, ohne dass ihre Anbieter die genaue Architektur veröffentlichen.
Warum zitiert eine generierte Antwort nur drei oder vier Quellen?
Eine klassische Ergebnisliste toleriert Mittelmässigkeit auf Position sieben: Der Link existiert noch, ein wenig Restverkehr erreicht ihn. Eine generierte Antwort toleriert diese Verwässerung nicht. Sie wählt eine begrenzte Anzahl an Quellen aus, kombiniert sie neu, und alles, was nicht ein ausreichendes Mass an Klarheit und Verlässlichkeit erreicht, taucht schlicht nicht mehr auf. Das ist keine willkürliche Verschärfung der Regeln; es ist die mechanische Konsequenz eines Systems, das auswählen muss, statt zu ranken. Die Strenge hat zugenommen, nicht die Natur des Spiels.
Was entscheidet, dass eine Quelle ausgewählt wird und eine andere nicht?
Drei Eigenschaften wiederholen sich in dem, was das Raster des Score GEO™ Thema für Thema beobachtet – und es sind dieselben, die bestimmen, wie ich eine für Zitate konzipierte Website gestalte.
Klare Antworten. Ein Modell behält eher eine Passage, die eine präzise Frage direkt beantwortet, als einen Text, der um das Thema herumkreist, ohne es je zu entscheiden. Eine Seite, die mit der Antwort beginnt und sie anschliessend ausführt, eignet sich besser für die Extraktion als eine Seite, die ihr Argument über tausend Wörter aufbaut, bevor sie zum Schluss kommt.
Über die Zeit aufgebaute Autorität. Ein datierter, von einem identifizierbaren Autor gezeichneter Inhalt, der mit dem übereinstimmt, was dasselbe Unternehmen ein Jahr zuvor behauptet hat, wiegt schwerer als ein anonymer oder von Seite zu Seite widersprüchlicher Inhalt. Genau das beobachtet das Raster des Score GEO™ unter dem Thema zeitliche Stabilität: Eine Zitierung, die sich von einer Messung zur nächsten ständig ändert, signalisiert eine noch nicht gefestigte Autorität.
Entitätskohärenz. Bevor ein System entscheidet, Sie zu zitieren, muss es zunächst klären, wer Sie sind – ein bestimmtes Unternehmen, an einer bestimmten Adresse, mit einem bestimmten Tätigkeitsbereich – statt eine Variante unter mehreren widersprüchlichen Versionen Ihrer Identität im Web. Genau das ist das Thema von Was wissen KIs bereits über Ihr Unternehmen?: Diese Kohärenz entsteht, noch bevor überhaupt von Inhalten die Rede ist.
Der Zusammenhang mit den sieben Themen des Score GEO™
Ich habe den Score GEO™ entwickelt, um zu beobachten, nicht um zu raten. Das Raster umfasst sieben Themen – Zitationspräsenz, redaktionelle Prominenz, Zitationskontext, faktische Genauigkeit, Quellenverankerung, modellübergreifende Kohärenz und zeitliche Stabilität – und jedes entspricht einem Schritt der oben beschriebenen Mechanik. Die Zitationspräsenz prüft schlicht, ob das Retrieval Sie gefunden hat. Die Quellenverankerung betrachtet, worauf sich das Modell gestützt hat, um Sie zu zitieren – das Ergebnis des Fan-outs, sozusagen. Die modellübergreifende Kohärenz testet, ob Ihre Identität den Wechsel von einem Abrufsystem zum anderen übersteht, von denen jedes seinen eigenen Index und seine eigene Datenaktualität hat. Dieses Raster wird vollständig im Cahier MCVA Nr. 1 beschrieben, und es ist dieses Raster, das dem Score-GEO™-Voraudit zugrunde liegt.
Was man nicht kontrolliert
Ein Teil dieser Mechanik entzieht sich vollständig dem gemessenen Unternehmen, und das muss klar gesagt werden. Sie entscheiden nicht, wie ein System Ihre Frage in Teilanfragen zerlegt. Sie haben keinerlei Einblick in den Ranking-Algorithmus, der die ausgewählten Passagen bestimmt – jeder Anbieter hält ihn proprietär, und das zu Recht. Keine Optimierung, so sorgfältig sie auch sein mag, garantiert eine Zitierung: Ich schreibe das systematisch, denn wer das Gegenteil verspricht, übertreibt. Und die Aktualität des Index variiert von Modell zu Modell – ein System kann eine aktuelle Information zitieren, während sich ein anderes noch auf eine ältere Version Ihres Unternehmens stützt, was einen Teil der beobachteten Abweichungen zwischen ChatGPT, Claude, Perplexity, Gemini und Mistral erklärt. Was Sie kontrollieren, ist die Qualität des Kandidaten, den Sie bei jedem Schritt präsentieren. Nicht das Ergebnis, das sich daraus bei jeder einzelnen Anfrage ergibt.
Zitierfähig zu werden bedeutet also nicht, einen Algorithmus zu knacken, sondern die Gründe zu beseitigen, aus denen ein System zögern würde, Sie auszuwählen: eine Website, die Maschinen eindeutig lesen können – genau das ist der Zweck von für Zitate konzipierten Websites, gestützt durch ehrliche strukturierte Daten. Diese Mechanik ist nur ein Baustein des grösseren Themas, das ich in Was muss ein Schweizer KMU 2026 angesichts der KI tun? behandle.
Wichtig in Kürze
— Eine generierte Antwort stützt sich auf zwei Mechanismen: das Abrufen relevanter Quellen (RAG) und, bei Google seit Mai 2026, den Query Fan-out, der eine Frage in mehrere Teilanfragen zerlegt. — Eine Synthese zitiert wenige Quellen, weil sie auswählt statt zu ranken: klare Antworten, über die Zeit aufgebaute Autorität und Entitätskohärenz machen den Unterschied. — Keine Zitierung ist garantiert: Sie kontrollieren die Qualität des präsentierten Kandidaten, nicht das Ergebnis, das sich daraus bei jeder Anfrage ergibt.
FAQ
Wird der Query Fan-out von allen generativen Modellen genutzt? Nur Google hat ihn öffentlich dokumentiert, im Rahmen seiner generativen Suchfunktionen. Die anderen Umgebungen beruhen vermutlich auf ähnlichen Abruflogiken, ohne im Detail veröffentlichte Architektur – hier ist Vorsicht geboten.
Erhöht bezahlte Werbung meine Chancen, zitiert zu werden? Nein, jedenfalls nicht nach der dokumentierten Mechanik: Die Auswahl der in einer generierten Antwort zitierten Quellen stützt sich auf die Ranking- und Qualitätssysteme der organischen Suche, nicht auf einen separaten Werbebereich.
Kann ein Inhalt zitiert werden, ohne auf der ersten Google-Seite zu stehen? Ja. Das Auswahlkriterium für die Zitierung ist nicht identisch mit dem Kriterium für das organische Ranking; beide korrelieren, aber unvollständig. Ein Inhalt mit rigoroser Quellenarbeit und klarer Autorenstimme kann ausgewählt werden, ohne das Ranking zu dominieren.
Wie erfahre ich, ob mein Unternehmen diese Filter übersteht? Indem man es direkt an den Modellen misst, statt es aus der eigenen Google-Position abzuleiten. Genau das ist der Zweck des Score GEO™ und seines Voraudits.
Wo stehen Sie? Der Score-GEO™-Voraudit misst kostenlos, wo Ihr Unternehmen in den Antworten von ChatGPT, Claude, Perplexity, Gemini und Mistral erscheint – und wo nicht. Bezifferte Antwort innerhalb weniger Tage. Kostenloses Voraudit anfordern
Quellen
[1] Google Search Central, Optimizing your website for generative AI features on Google Search, 15. Mai 2026. developers.google.com/search/docs/fundamentals/ai-optimization-guide [↩]
[2] Google, Google Search's I/O 2026 updates: AI agents and more, 19. Mai 2026. blog.google/products-and-platforms/products/search/search-io-2026/ [↩]
Jérôme Deshaie ist CEO und Gründer von MCVA Consulting SA, einer im Wallis ansässigen augmentierten Agentur. Fünfzehn Jahre im Dienst grosser internationaler Marken, jetzt direkt für Schweizer KMU. Werdegang.